人工智能未来的发展前景怎么样？

人工智能未来的发展前景非常广阔，有四大发展趋势，具体分析如下：

1. 预测行为变化：人工智能工具和平台已经在帮助企业了解客户适应新现实的方式。此前在商业和关系培养方面对数字渠道的采用滞后的机构逐渐认识到这种局面的紧迫性，并在迅速掌握行为分析和个性化等概念。

2.更智能的大数据分析：通过发展我们的能力来把机器学习解决问题技术应用到这些庞大 。我们将更容易发现疫情，跟踪密切接触者，实现更准确的诊断，并通过预测病毒未来可能演化的方式，开发更有效和持久的疫苗接种。

3.自动检测和预防：面部识别比较有争议的一点是，它把重点放在识别个体、而非人群中的模式，因此警方利用这项技术来发现逃避封锁和隔离的人，并追踪人群中出现症状的个体活动。

4.把下一次疫情消灭在萌芽状态：人工智能研究将在未来18个月取得进一步突破，从而提高我们发现和应对病毒暴发危险的能力。

想了解更多有关人工智能未来的发展前景怎么样的详情，推荐咨询达内教育。达内教育是引领行业的职业教育公司，致力于面向IT互联网行业，培养软件开发工程师、系统管理员、UI设计师、网络营销工程师、会计等职场人才，拥有强大的师资力量，实战讲师对实战经验倾囊相授，部分讲师曾就职于IBM、微软、Oracle-Sun、华为、亚信等企业，其教研团队更是有独家26大课程体系，助力学生系统化学习，同时还与各大高校进行合作，助力学生职业方向的发展。感兴趣的话点击此处，免费学习一下

《科创板日报》（编辑 郑远方）， 日前，全球半导体厂商相继公布2021年全年业绩的同时，也展开了2022年行业展望。

通过10家公司财报及电话会议内容——包括英飞凌、恩智浦、意法半导体、德州仪器、瑞萨电子5家IDM厂商，台积电、格芯、中芯国际3家晶圆代工厂商，以及ASML、Lam Research 2家设备厂商，《科创板日报》整理出各家对2022年行业走向的大致判断。

总体上，虽说“缺芯渐入尾声”的疑虑已笼罩市场多时，但从多家厂商的表态来看， 目前库存水平仍远不及预期，产业链依旧难以摆脱供应短缺。

针对芯片供应短缺具体结束时间，各家答案不尽相同。乐观者如英飞凌认为，有望在今年告别芯片短缺；而恩智浦却给出完全相反的意见，认为今年难以收尾。

ASML则认为无需担心供需反转，其指出半导体增长前景的确需要大幅扩产；同时，行业自身会设法避开供应过剩，以“维持一个无障碍、高效的创新生态系统。”

另一方面， 此前“需求分化”的消息也得到进一步论证。 台积电等晶圆代工厂作出了“景气分化、不同应用领域需求各异”的判断；中芯国际还提出，地区需求也将分化。

下游需求极为强劲，多家企业手握大额订单，远高于产能规划水平。细分领域中，车用芯片则成为各大厂商一致看好的领域。

【整体订单情况】

部分厂商已透露目前具体在手订单/预付款金额，从“订单能见度高”、“订单量远超供应”等乐观表述中，不难看出需求高涨的盛况依旧。

英飞凌：

新签订单大幅超过取消的订单量。不过公司也提醒，部分订单或意在防备短缺，因此随着供应改善、重复下单取消，未来几个季度这一订单金额或将大幅下降。

恩智浦：

在手订单已远远超过供应能力，能见度达2023-2024年，目前“没有任何订单取消或改期”。

意法半导体：

订单能见度较高，在手订单超过18个月水平，远高于公司目前及2022年规划产能。

瑞萨电子：

截至2021年底，公司在手订单额超过1.2万亿日元；2022全年已确认订单也在增长。

台积电：

截至2021年底，已收到67亿美元预付款。总体来说，来自IC设计与IDM委外等订单增加，“晶圆代工今年会是个好年”。

【库存】

• 恩智浦：

2021年Q4，库存水位进一步降低；渠道库存水位也小幅下降至1.5个月。恩智浦预计，2022年供需情况将于2021年类似。

• 德州仪器：

2021年Q4，德仪库存水位为116天，较前一季度高出约4天水平，但仍低于公司130-190天的目标。

【 汽车 芯片】

在本次统计的10家企业中，除设备厂商之外，其余所有公司均表现出对 汽车 业务增长的强烈信心。

整体上，2021年半导体厂商 汽车 芯片业务营收已有较大增幅，2022年也已获新订单在手。未来电动化、智能化仍是这一市场的两条增长主线：电动 汽车 方面，驱动因素包括充电基建、动力电池电源管理芯片；智能驾驶方面，则包括L2+/L3级智能驾驶发展、4D成像雷达等。

• 英飞凌：

汽车 芯片需求“远超”公司供给能力，库存水位也严重低于正常水平。值得注意的是，英飞凌指出，除电动/智能 汽车 本身之外，充电基础设施也是需求增长的另一大驱动力。

• 恩智浦：

得益于电动 汽车 及L2+/L3级智能驾驶发展， 汽车 领域订单稳定性明显增强，公司2022年已有订单在手。值得注意的是，只要芯片短缺情况仍在持续，整车厂便会将芯片供应及自身产能优先供给高端车型，以获得更高盈利。

• 意法半导体：

今年车用芯片产能已售罄。预计未来85%的 汽车 芯片将落在16nm-19nm制程。

• 德州仪器：

2021年全年，工业、 汽车 两大领域将是德仪未来发展的“战略重点”。

• 瑞萨电子：

汽车 领域业务增长驱动力强劲，包括车规级MCU等相关芯片配备数量增长、产品价格上涨、整车厂生产恢复、确保库存。

• 台积电：

预期2022年， 汽车 业务增长将高于公司整体水平。

• 格芯：

预计今年 汽车 业务会有季度波动，但总体依旧非常看好终端需求的强劲增长潜力；且部分客户将在2023年开始在4D成像雷达及动力电池电源管理方面开始发力，格芯有望受惠。

• 中芯国际：

物联网、电动 汽车 、中高端模拟IC等增量市场需求旺盛，存在结构性产能缺口。

【其余业务】

除 汽车 芯片之外，被提及的其余增长点则较为分散。其中，工业、物联网领域需求被提及频次相对较多，基建、数据中心、AI、元宇宙、碳化硅也受部分企业看好。不过，多数厂商预计，消费电子需求或将进一步疲软。

• 英飞凌：

今年SiC（碳化硅）业务营收将翻倍增长达3亿欧元，这一领域需求同样明显高于现有产能。

• 瑞萨电子：

工业/基建/物联网需求同样高涨，不过瑞萨预计，今年Q1其营收及客户需求量环比增幅将低于 汽车 芯片。

• 格芯：

智能移动终端市场中，Wi-Fi 6、5G图像传感器、电源应用需求；通信基建、数据中心市场需求；物联网有望成为格芯2022年增长最快业务领域。

• 台积电：

细分应用市场中，某些市场强劲势头可能会放缓或调整。预期2022年，HPC、 汽车 业务增长将高于公司整体水平，物联网增速与公司水平一致，智能手机业务略低于公司水平。

• 中芯国际：

手机和消费电子市场缺乏发展动力，存量市场供需逐步平衡；物联网、电动 汽车 、中高端模拟IC等增量市场需求旺盛，存在结构性产能缺口。

• Lam Research（泛林/科林研发）

AI、物联网、云计算、5G及元宇宙将成为强劲增长驱动力，全年晶圆设备需求有望继续增长。

过去几十年，全球半导体行业增长主要受台式机、笔记本电脑和无线通信产品等尖端电子设备的需求，以及基于云计算兴起的推动。这些增长将继续为高性能计算市场领域开发新应用程序。

首先，5G将让数据量呈指数级增长。我们需要越来越多的服务器来处理和存储这些数据。2020年Yole报告，这些服务器核心的高端CPU和GPU的复合年增长率有望达到29%。它们将支持大量的数据中心应用，比如超级计算和高性能计算服务。在云 游戏 和人工智能等新兴应用的推动下，GPU预计将实现更快增长。例如，2020年3月，互联网流量增长了近50%，法兰克福的商业互联网数据交换创下了数据吞吐量超过每秒9.1兆兆位的新世界纪录。

第二个主要驱动因素是移动SoC——智能手机芯片。这个细分市场增长虽然没有那么快, 但这些SoC在尺寸受限的芯片领域对更多功能的需求，将推动进一步技术创新。

除了逻辑、内存和3D互联的传统维度扩展之外，这些新兴应用程序将需要利用跨领域的创新。这需要在器件、块和SoC级别进行新模块、新材料和架构的改变，以实现在系统级别的效益。我们将这些创新归纳为半导体技术的五大发展趋势。

趋势一:摩尔定律还有用，将为半导体技术续命8到10年…

在接下来的8到10年里，CMOS晶体管的密度缩放将大致遵循摩尔定律。这将主要通过EUV模式和引入新器件架构来实现逻辑标准单元缩放。

在7nm技术节点上引入了极紫外(EUV)光刻，可在单个曝光步骤中对一些最关键的芯片结构进行了设计。在5nm技术节点之外(即关键线后端(BEOL)金属节距低于28-30nm时)，多模式EUV光刻将不可避免地增加了晶圆成本。最终，我们希望高数值孔径(High-NA) EUV光刻技术能够用于行业1nm节点的最关键层上。这种技术将推动这些层中的一些多图案化回到单图案化，从而提供成本、产量和周期时间的优势。

Imec对随机缺陷的研究对EUV光刻技术的发展具有重要意义。随机打印故障是指随机的、非重复的、孤立的缺陷，如微桥、局部断线、触点丢失或合并。改善随机缺陷可使用低剂量照射，从而提高吞吐量和成本。

为了加速高NA EUV的引入，我们正在安装Attolab，它可以在高NA EUV工具面世之前测试一些关键的高NA EUV材料(如掩膜吸收层和电阻)。目前Attolab已经成功地完成了第一阶段安装，预计在未来几个月将出现高NA EUV曝光。

除了EUV光刻技术的进步之外，如果没有前沿线端(FEOL)设备架构的创新，摩尔定律就无法延续。如今，FinFET是主流晶体管架构，最先进的节点在6T标准单元中有2个鳍。然而，将鳍片长度缩小到5T标准单元会导致鳍片数量减少，标准单元中每个设备只有一个鳍片，导致设备的单位面积性能急剧下降。这里，垂直堆叠纳米薄片晶体管被认为是下一代设备，可以更有效地利用设备占用空间。另一个关键的除垢助推器是埋地动力轨(BPR)。埋在芯片的FEOL而不是BEOL，这些BPR将释放互连资源路由。

将纳米片缩放到2nm一代将受到n-to-p空间约束的限制。Imec设想将Forksheet作为下一代设备。通过用电介质墙定义n- p空间，轨道高度可以进一步缩放。与传统的HVH设计相反，另一个有助于提高路由效率的标准单元架构发展是针对金属线路的垂直-水平-垂直(VHV)设计。最终通过互补场效应晶体管(CFET)将标准cell缩小到4T，之后充分利用cell层面上的第三维度，互补场效应晶体管通过将n-场效应晶体管与p-场效应晶体管折叠。

趋势2: 在固定功率下，逻辑性能的提高会慢下来

有了上述的创新，我们期望晶体管密度能遵循摩尔所规划的路径。但是在固定电源下，节点到节点的性能改进——被称Dennard缩放比例定律，Dennard缩放比例定律（Dennard scaling）表明，随着晶体管变得越来越小，它们的功率密度保持不变，因此功率的使用与面积成比例；电压和电流的规模与长度成比例。

世界各地的研究人员都在寻找方法来弥补这种减速，并进一步提高芯片性能。上述埋地电力轨道预计将提供一个性能提高在系统水平由于改进的电力分配。此外，imec还着眼于在纳米片和叉片装置中加入应力，以及提高中线的接触电阻(MOL)。

二维材料如二硫化钨(WS2)在通道中有望提高性能，因为它们比Si或SiGe具有更强的栅长伸缩能力。其中基于2d的设备架构包括多个堆叠的薄片非常有前景，每个薄片被一个栅极堆叠包围并从侧面接触。模拟表明，这些器件在1nm节点或更大节点上比纳米片的性能更好。为了进一步改善这些器件的驱动电流，我们着重改善通道生长质量，在这些新材料中加入掺杂剂和提高接触电阻。我们试图通过将物理特性(如生长质量)与电气特性相关联来加快这些设备的学习周期。

除了FEOL, 走线拥挤和BEOL RC延迟，这些已经成为性能改善的重要瓶颈。为了提高通径电阻，我们正在研究使用Ru或Mo的混合金属化。我们预计半镶嵌(semi-damascene)金属化模块可同时改善紧密距金属层的电阻和电容。半镶嵌(semi-damascene) 可通过直接模式和使用气隙作为介电在线路之间(控制电容增加)

允许我们增加宽高比的金属线(以降低电阻)。同时，我们筛选了各种替代导体，如二元合金，它作为‘good old’ Cu的替代品，以进一步降低线路电阻。

趋势3:3D技术使更多的异构集成成为可能

在工业领域，通过利用2.5D或3D连接的异构集成来构建系统。这些有助于解决内存问题，可在受形状因素限制的系统中添加功能，或提高大型芯片系统的产量。随着逻辑PPAC(性能-区域-成本)的放缓，SoC 的智能功能分区可以提供另一个缩放旋钮。一个典型的例子是高带宽内存栈(HBM)，它由堆叠的DRAM芯片组成，这些芯片通过短的interposer链路直接连接到处理器芯片，例如GPU或CPU。最典型的案例是Intel Lakefield CPU上的模对模堆叠， AMD 7nm Epyc CPU。在未来，我们希望看到更多这样的异构SOC，它是提高芯片性能的最佳桥梁。

在imec，我们通过利用我们在不同领域(如逻辑、内存、3D…)所进行的创新，在SoC级别带来了一些好处。为了将技术与系统级别性能联系起来，我们建立了一个名为S-EAT的框架(用于实现高级技术的系统基准测试)。这个框架可评估特定技术对系统级性能的影响。例如:我们能从缓存层次结构较低级别的片上内存的3D分区中获益吗?如果SRAM被磁存储器(MRAM)取代，在系统级会发生什么?

为了能够在缓存层次结构的这些更深层次上进行分区，我们需要一种高密度的晶片到晶片的堆叠技术。我们已经开发了700nm间距的晶圆-晶圆混合键合，相信在不久的将来，键合技术的进步将使500nm间距的键合成为可能。

通过3D集成技术实现异质集成。我们已经开发了一种基于sn的微突起互连方法，互连间距降低到7µm。这种高密度连接充分利用了透硅通孔技术的潜力，使>16x更高的三维互联密度在模具之间或模具与硅插接器之间成为可能。这样就大大降低了对HBM I/O接口的SoC区域需求(从6 mm2降至1 mm2)，并可能将HBM内存栈的互连长度缩短至多1 mm。使用混合铜键合也可以将模具直接与硅结合。我们正在开发3µm间距的模具到晶圆的混合键合，它具有高公差和放置精度。

由于SoC变得越来越异质化，一个芯片上的不同功能(逻辑、内存、I/O接口、模拟…)不需要来自单一的CMOS技术。对不同的子系统采用不同的工艺技术来优化设计成本和产量可能更有利。这种演变也可以满足更多芯片的多样化和定制化需求。

趋势4:NAND和DRAM被推到极限非易失性存储器正在兴起

内存芯片市场预测显示，2020年内存将与2019年持平——这一变化可能部分与COVID-19减缓有关。2021年后，这个市场有望再次开始增长。新兴非易失性存储器市场预计将以>50%的复合年增长率增长，主要受嵌入式磁随机存取存储器(MRAM)和独立相变存储器(PCM)的需求推动。

NAND存储将继续递增，在未来几年内可能不会出现颠覆性架构变化。当今最先进的NAND产品具有128层存储能力。由于晶片之间的结合，可能会产生更多的层，从而使3D扩展继续下去。Imec通过开发像钌这样的低电阻字线金属，研究备用存储介质堆，提高通道电流，并确定控制压力的方法来实现这一路线图。我们还专注于用更先进的FinFET器件取代NAND外围的平面逻辑晶体管。我们正在 探索 3D FeFET与新型纤锌矿材料，作为3D NAND替代高端存储应用。作为传统3D NAND的替代品，我们正在评估新型存储器的可行性。

对于DRAM，单元缩放速度减慢，EUV光刻可能需要改进图案。三星最近宣布EUV DRAM产品将用于10nm (1a)级。除了 探索 EUV光刻用于关键DRAM结构的模式，imec还为真正的3D DRAM解决方案提供了构建模块。

在嵌入式内存领域，我通过大量的努力来理解并最终拆除所谓的内存墙，CPU从DRAM或基于SRAM的缓存中访问数据的速度有多快?如何确保多个CPU核心访问共享缓存时的缓存一致性?限制速度的瓶颈是什么? 我们正在研究各种各样的磁随机存取存储器(MRAM)，包括自旋转移转矩(STT)-MRAM，自旋轨道转矩(SOT)-MRAM和电压控制磁各向异性(VCMA)-MRAM)，以潜在地取代一些传统的基于SRAM的L1、L2和L3缓存(图4)。每一种MRAM存储器都有其自身的优点和挑战，并可能通过提高速度、功耗和/或内存密度来帮助我们克服内存瓶颈。为了进一步提高密度，我们还在积极研究可与磁隧道结相结合的选择器，这些是MRAM的核心。

趋势5:边缘人工智能芯片行业崛起

边缘 AI预计在未来五年内将实现100%的增长。与基于云的人工智能不同，推理功能是嵌入在位于网络边缘的物联网端点(如手机和智能扬声器)上的。物联网设备与一个相对靠近边缘服务器进行无线通信。该服务器决定将哪些数据发送到云服务器(通常是时间敏感性较低的任务所需的数据，如重新培训)，以及在边缘服务器上处理哪些数据。

与基于云的AI(数据需要从端点到云服务器来回移动)相比，边缘 AI更容易解决隐私问题。它还提供了响应速度和减少云服务器工作负载的优点。想象一下，一辆需要基于人工智能做出决定的自动 汽车 。由于需要非常迅速地做出决策，系统不能等待数据传输到服务器并返回。考虑到通常由电池供电的物联网设备施加的功率限制，这些物联网设备中的推理引擎也需要非常节能。

今天，商业上可用的边缘 AI芯片，加上快速GPU或ASIC，可达到1-100 Tops/W运算效率。对于物联网的实现，将需要更高的效率。Imec的目标是证明推理效率在10.000个Tops /W。

通过研究模拟内存计算架构，我们正在开发一种不同的方法。这种方法打破了传统的冯·诺伊曼计算模式，基于从内存发送数据到CPU(或GPU)进行计算。使用模拟内存计算，节省了来回移动数据的大量能量。2019年，我们演示了基于SRAM的模拟内存计算单元(内置22nm FD-SOI技术)，实现了1000Tops/W的效率。为了进一步提高到10.000Tops/W，我们正在研究非易失性存储器，如SOT-MRAM, FeFET和基于IGZO（铟镓锌氧化物）的存储器。

---